Upload
truongtruc
View
224
Download
4
Embed Size (px)
Citation preview
Trabalhos para Discussão
339
ISSN 1519-1028
Sergio Afonso Lago Alves e Arnildo da Silva Correa
Um Conto de Três Hiatos: Desemprego, Utilização da
Capacidade Instalada da Indústria e Produto
Dezembro, 2013
ISSN 1519-1028 CGC 00.038.166/0001-05
Trabalhos para Discussão Brasília n° 339 dezembro 2013 p. 1-42
Trabalhos para Discussão Editado pelo Departamento de Estudos e Pesquisas (Depep) – E-mail: [email protected] Editor: Benjamin Miranda Tabak – E-mail: [email protected] Assistente Editorial: Jane Sofia Moita – E-mail: [email protected] Chefe do Depep: Eduardo José Araújo Lima – E-mail: [email protected] Todos os Trabalhos para Discussão do Banco Central do Brasil são avaliados em processo de double blind referee. Reprodução permitida somente se a fonte for citada como: Trabalhos para Discussão nº 339. Autorizado por Carlos Hamilton Vasconcelos Araújo, Diretor de Política Econômica.
Controle Geral de Publicações Banco Central do Brasil
Comun/Dipiv/Coivi
SBS – Quadra 3 – Bloco B – Edifício-Sede – 14º andar
Caixa Postal 8.670
70074-900 Brasília – DF
Telefones: (61) 3414-3710 e 3414-3565
Fax: (61) 3414-1898
E-mail: [email protected]
As opiniões expressas neste trabalho são exclusivamente do(s) autor(es) e não refletem, necessariamente, a visão do Banco Central do Brasil. Ainda que este artigo represente trabalho preliminar, citação da fonte é requerida mesmo quando reproduzido parcialmente. The views expressed in this work are those of the authors and do not necessarily reflect those of the Banco Central or its members. Although these Working Papers often represent preliminary work, citation of source is required when used or reproduced. Divisão de Atendimento ao Cidadão Banco Central do Brasil
Deati/Diate
SBS – Quadra 3 – Bloco B – Edifício-Sede – 2º subsolo
70074-900 Brasília – DF
DDG: 0800 9792345
Fax: (61) 3414-2553
Internet: <http//www.bcb.gov.br/?FALECONOSCO>
Um Conto de Três Hiatos: Desemprego,Utilização da Capacidade Instalada da Indústria e
Produto∗
Sergio Afonso Lago Alves† Arnildo da Silva Correa‡
ResumoEste Trabalho para Discussão não deve ser citado como representando as opiniões do
Banco Central do Brasil. As opiniões expressas neste trabalho são exclusivamente do(s)
autor(es) e não refletem, necessariamente, a visão do Banco Central do Brasil.
O artigo analisa a relação entre desemprego, utilização da capacidadeinstalada na indústria e inflação no Brasil por meio de curvas de Phillips de-sagregadas. O principal diferencial da análise é considerar separadamente asdinâmicas dos setores de bens comercializáveis e de não comercializáveis, eressaltar a importância do mercado de trabalho e da utilização da capaci-dade instalada da indústria para explicar a dinâmica da inflação. Usandodados trimestrais para o período 1999T2-2012T4, obtemos estimativas paraa NAIRU, NAICU e para o hiato do produto incorporando maior estruturaeconômica no filtro de Kalman. Os resultados sugerem que variáveis de mer-cado de trabalho e da indústria têm impactos relevantes sobre a inflação, i.e., ohiato do desemprego é a variável de demanda relevante para explicar a inflaçãode não comercializáveis, enquanto que o hiato da utilização da capacidade éimportante para a inflação de bens comercializáveis. Há evidência de substan-cial redução na NAIRU no período recente e que seu valor situava-se próximoa 6,3% no final de 2012, o que implica que a taxa de desemprego encontra-se abaixo da NAIRU desde meados de 2010. Os resultados evidenciam umadicotomia na economia brasileira no período recente: enquanto o setor in-dustrial apresenta fraco desempenho e dificuldades de reagir, o mercado detrabalho encontra-se aquecido, gerando pressões sobre o hiato do produto. Oartigo também enfatiza possíveis vieses gerados por estimações agregadas numcontexto dicotômico.
Palavras-chave: NAIRU, NAICU, Utilização da Capacidade Instalada, De-semprego, Hiato do Produto, Política Monetária.
Classificação JEL: E3, E32, E52, J01, J64
∗Agradecemos os comentários e sugestões fornecidos por Eduardo Lima e pelos participantes doseminário interno do Departamento de Estudos e Pesquisas —Depep do Banco Central do Brasil,em Brasília.†Departamento de Estudos e Pesquisas, Banco Central do Brasil. Email: [email protected]‡Departamento de Estudos e Pesquisas, Banco Central do Brasil. Email:
3
"Foi o melhor dos tempos, era o pior dos tempos; foi a idade da sabedoria,
era a idade da tolice; foi a época da crença, era a época da incredulidade;
foi a estação da luz, que foi a estação das trevas; foi a primavera da espe-
rança, era o inverno do desespero; nós tínhamos tudo diante de nós, não
tínhamos nada diante de nós; estávamos todos indo direto para o Céu,
todos íamos direto na direção oposta".
Charles Dickens, Um Conto de Duas Cidades
1 Introdução
A relação entre emprego, produção industrial e produto agregado no Brasil nos
últimos anos tem sido intrigante, particularmente a partir de 2005. A taxa de
desocupação medida pelo Instituto Brasileiro de Geografia e Estatística —IBGE vem
se reduzindo sistematicamente desde meados de 2003, como mostra o painel (A) da
Figura 1. A redução na taxa de desocupação também parece ter sido quase acíclica e
imune aos diversos choques que afetaram a economia brasileira no período. De outro
lado, em contraste, no mesmo período ocorreram amplas oscilações na utilização da
capacidade instalada do setor industrial, em torno de uma média aparentemente
estável, de acordo com a medida da Confederação Nacional da Indústria —CNI.
Essa comparação entre taxa de desocupação e utilização da capacidade instalada
(UCI) é interessante, pois mostra a intensidade de uso dos principais fatores de pro-
dução (trabalho e capital, aqui aproximado pelo uso na indústria) ao longo do ciclo
econômico. A Figura 1 mostra que a variação em relação ao trimestre equivalente
do ano anterior (YoY) da taxa de desocupação permanece quase sempre negativa
e acíclica, enquanto que as taxas de crescimento do PIB e da produção industrial
calculados pelo IBGE apresentam grandes variações. Em particular, a grande queda
no crescimento durante a crise de 2007-2008 foi acompanhada por apenas ligeiro au-
mento na taxa de desocupação. Também não houve aumento no desemprego com
a desaceleração do crescimento do PIB e da produção industrial observada a partir
de 2011. Mas ocorreu importante redução na utilização da capacidade instalada da
indústria.
Essa evidência sugere uma dicotomia na economia brasileira no período recente,
em que, paradoxalmente, baixas e decrescentes taxas de desemprego coexistem com
baixo ritmo de crescimento do PIB e, de forma mais acentuada, da produção indus-
trial. De fato, após crescer 7,5% em 2010, o PIB brasileiro desacelerou para 2,7% em
4
2011 e 0,9% em 2012; enquanto a produção industrial cresceu apenas 0,3% em 2011
e decresceu 2,7% em 2012. Já o desemprego, que na média de 2010 encontrava-se
em 6,7%, foi reduzido para 6,0% e 5,5%, respectivamente nas médias de 2011 e de
2012, e em dezembro de 2012 alcançou 4,6%, menor valor da série até então. Os
dados também sugerem que a resposta a choques no setor industrial é bem diferente
da resposta nos demais setores da economia.
(A) (B)
5
6
7
8
9
10
11
79
80
81
82
83
84
85
05 06 07 08 09 10 11 12 1320
15
10
5
0
5
10
15
20
05 06 07 08 09 10 11 12 13
(C)
0
2
4
6
8
10
05 06 07 08 09 10 11 12 13
Figura 1: Utilização dos fatores, PIB e Produto Industrial, taxas de inflação
Nota: Panel (A): Utilização da Capacidade Instalada (vermelha com círculos),Taxa de Desocupação (azul). Reta indica tendência linear.Panel (B): Crescimento (YoY) do Produto Industrial (vermelha comcírculos), Crescimento (YoY) do PIB (azul), Variação (YoY) da Taxa deDesocupação (preta com estrelas).Panel (C): Taxa de inflação (12 meses) de bens comercializáveis(vermelha com círculos), Taxa de inflação (12 meses) de bens não-comercializáveis (azul).
Essa caracterização da economia parece compatível com a interpretação
denominada de "duas lâminas da tesoura" por Pastore et al. (2012) e Pastore (2012).
A análise dos autores baseia-se num modelo com dois setores para a economia
brasileira. A explicação para a desaceleração da indústria é que pressões do mercado
de trabalho sobre salários, provocadas pelo dinamismo do setor de serviços, aliada
5
à queda na produtividade, eleva o custo unitário do trabalho. O setor industrial,
por operar em situação próxima à de tomador de preços, não consegue repassar o
aumento de custos para preços e tem suas margens de lucro deprimidas.
Não buscamos explicar os mecanismos por trás dessa dicotomia, mas sim ex-
plorar três questões produzidas e/ou realçadas pelo desbalanceamento setorial da
economia: (i) seus efeitos sobre a dinâmica das taxas de inflação dos setores de bens
comercializáveis e de não comercializáveis; (ii) as dificuldades de modelagem e pos-
síveis vieses gerados por estimações agregadas nesse contexto dicotômico; e (iii) o
importante papel do mercado de trabalho e do desempenho industrial como fonte de
pressão de demanda e suas implicações para a relação entre inflação e desemprego.
Quanto à primeira questão, o painel (C) da Figura 1 mostra a diferença nas tra-
jetórias das inflações de bens comercializáveis e de produtos não comercializáveis no
período recente. Enquanto os preços de bens comercializáveis registraram aumento
de 4,4% em 2011 e 4,5% em 2012, os preços de bens não comercializáveis cresceram
8,6% e 8,5%, respectivamente, nos mesmos períodos. A produção do primeiro grupo
de bens é associada ao setor industrial, que é intensivo no uso do capital, enquanto
que a produção dos últimos é associada ao setor não-industrial, que é intensivo no
uso do trabalho. Portanto, pressões advindas do mercado de trabalho são particu-
larmente importantes para o setor de bens não comercializáveis, em especial o setor
de serviços, onde a folha de pagamento com salários representa parcela relevante
dos custos totais de produção.1 Já o setor de produtos comercializáveis está mais
exposto à concorrência de produtos importados, o que limita sua capacidade de
reajustar preços. A dinâmica distinta das taxas de inflação dos dois setores é uma
consequência direta da dicotomia setorial e sugere que não é possível caracterizar a
economia usando um modelo com apenas uma curva de Phillips agregada.
Nesse contexto também é dificil definir qual a variável relevante que deveria
ser incluída como medida de atividade econômica num modelo com uma curva de
Phillips agregada. Curvas de Phillips2 empíricas, em sentido amplo, relacionam taxa
de inflação a expectativas, desvios (hiatos) de medidas do nível de atividade, repasse
1Obviamente que pressões de salários geradas por um mercado de trabalho aquecido acabamposteriormente afetando os custos do setor de bens comercializáveis e transbordando para a econo-mia como um todo.
2As curvas de Phillips contemporâneas são aperfeiçoamentos da relação empírica evidenciadaem Phillips (1958), em que a taxa de variação do salário nominal tende a apresentar correlaçãonegativa com a taxa de desemprego.
6
cambial dos preços de bens comercializáveis da economia mundial e, possivelmente,
valores defasados da inflação para ajuste empírico do seu componente inercial. O
consenso atual é que curvas de Phillips agregadas devem ser embasadas, total (teóri-
cas) ou parcialmente (semiestruturais), em microfundamentos da teoria econômica.
Estes justificam que o uso de medidas de atividade econonômica deve ser encarado
como uma forma reduzida da relação teórica em equilíbrio geral. Se as firmas pos-
suem algum poder de decisão de preços,3 a variável relevante para mudança no nível
de seus preços é o custo marginal, que varia com o uso dos fatores de produção (e.g.
trabalho e capital).4
Deste modo, o uso empírico de hiatos do trabalho e do capital estão justificados
pelas log-linearizações das relações teóricas. Mais ainda, como a utilização dos
fatores de produção é geralmente proporcional à própria produção, muitos modelos
teóricos estilizados sugerem que o hiato do produto agregado da economia pode ser
usado ao invés dos hiatos dos fatores. Em modelos teóricos mais estilizados ainda,
usa-se a hipótese de que o capital é constante no curto prazo, do que decorre que
a única variável de atividade relevante é o hiato do trabalho. Contudo, uma das
hipóteses fortes por trás destes resultados teóricos é a de que todos os setores são
homogêneos na utilização dos fatores na produção. Sob hipótese mais fraca, mas
coerente com a realidade, não é possível justificar teoricamente formas funcionais
em que apenas o hiato do produto agregado, ou o hiato do desemprego, afete a taxa
de inflação agregada.5
Não obstante, a popularidade dos modelos teóricos com firmas homogêneas co-
3Firmas podem estar em um ambiente de competição monopolística (e.g. Dixit e Stiglitz(1977)).
4Referências importantes sobre modelos microfundamentados novo-keynesianos são Woodford(2003), Walsh (2010) e Gali (2010). Para curvas de Philips com custo marginal, ver Batini et al.(2005), Clarida et al. (1999), Gali e Gertler (1999), Gali et al. (2005), Kurmann (2005), e Sbordone(2005).
5Para a derivação da forma funcional simplificada, em que a taxa de inflação agregada é afetadapor uma única medida de hiato, é preciso assumir várias hipóteses fortes, tais como: que as taxasde inflação de todos os setores tenham o mesmo comportamento inercial, as produtividades dosfatores sejam as mesmas em todos os setores, não haja rigidez de salários, e não haja fricções nomercado de trabalho. Por exemplo, ao assumir capital específico, Woodford (2005) mostra quea curva de Phillips deve ter ambos os hiatos, do produto agregado e do investimanto agregado.Ao incluir um mercado de trabalho mais realista, modelando fricções de procura e de oferta detrabalho, o modelo novo keynesiano padrão passa a incluir o hiato do desemprego em adição aohiato do produto agregado (e.g. Alves (2012), Blanchard e Gali (2010), Christiano et al. (2011),Gali (2010), Gertler et al. (2008), Gertler e Trigari (2009), Ravenna eWalsh (2008, 2012), Thomas(2008, 2011) e Walsh (2005)).
7
laborou para a utilização de apenas o hiato do produto agregado na maioria de exer-
cícios empíricos6, inclusive no Brasil (e.g. Bogdanski et al. (2000), Alves e Muinhos
(2003), Tombini e Alves (2006) e Correa eMinella (2010)).7 A utilização de medidas
de emprego na estimação de curva de Phillips no Brasil ainda é incomum.8 Todavia,
incorporar separadamente os efeitos da dinâmica do mercado de trabalho e da in-
tensidade de uso do capital parece crucial para o entendimento dos mecanismos de
transmissão de política monetária e das flutuações geradas pelos ciclos econômicos,
num contexto caracterizado por fraco desempenho do setor industrial ao mesmo
tempo que elevado nível de emprego. Em particular, parece claro que a medida de
demanda deveria incorporar explicitamente os efeitos da dinâmica do mercado de
trabalho.
Contudo, alguns autores e analistas econômicos têm reportado dificuldades na
estimação de parâmetros do hiato do emprego (ou desemprego) com magnitude rele-
vante e estatisticamente significantes em estimações de curvas de Phillips agregadas
para o Brasil, o que poderia sugerir uma relação fraca ou inexistente entre inflação
e desemprego no curto prazo (e.g. Delfim Netto (2013), Mendonca et al. (2012) e
Minella et al. (2003)). Além disso, a fragilidade dessa relação tornaria mais difícil a
estimação da taxa de desemprego que não acelera a inflação —NAIRU.9
Argumentamos que as dificuldades encontradas na literatura para estimação da
relação entre desemprego e inflação no Brasil são resultantes de dois problemas.
Primeiro, como os setores da economia usam fatores produtivos em intensidades
diferentes e, por isso, as dinâmicas das taxas de inflação setoriais são muito distintas,
o uso de uma única curva de Phillips para explicar a inflação agregada em função
somente do hiato do produto ou do hiato do desemprego gera viés de especificação
e/ou de variável omitida. Segundo, o uso de medidas de hiato obtidas por filtro HP
(Hodrick e Prescott (1997)) ou outro método de filtragem que não incorpore maior
estrutura econômica, gera problemas de erro de medida nas séries de hiato que serão
usadas nas inferências. É resultado conhecido na literatura que o uso de regressores
6Importantes exemplos são Cogley e Sbordone (2008), Coibion et al. (2012), Coibion e Gorod-nichenko (2011), Linde (2005), Rabanal e Rubio-Ramirez (2005), Rudd e Whelan (2005) e Smetse Wouters (2003, 2005, 2007), dentre outros.
7No Brasil, estimações de curvas de Phillips com medidas de custo marginal são raras (e.g.Alves e Areosa (2005), Areosa e Medeiros (2007)).
8Bons exemplos são Delfim Netto (2013), Mendonca et al. (2012) e Minella et al. (2003).9NAIRU significa non-accelerating inflation rate of unemployment.
8
com erro de medida causa viés de atenuação em direção a zero na estimativa dos
parâmetros.
Por isso, para tratar das três questões mencionadas anteriormente, usamos um
modelo empírico semiestrutural com as seguintes características. Para lidar com a
primeira questão, o modelo possui duas curvas de Phillips, uma para o setor in-
dustrial e outra para o setor não-industrial. Por simplificação, assumimos que a
inflação de comercializáveis e a inflação de não-comercializáveis são boas proxies
para as taxas de inflação dos dois setores. Para evitar problemas de colinearidade
entre regressores e assumindo que o produto potencial da economia difere do produto
efetivo apenas pelo uso dos fatores produtivos, usamos em cada equação apenas o
fator em que o setor é mais intensivo, i.e., a variável de demanda relevante para
a inflação de produtos não comercializáveis é o hiato do desemprego em relação à
NAIRU e para a inflação de comercializáveis a variável relevante é o hiato da utiliza-
ção da capacidade instalada em relação à NAICU.10 As duas curvas de Phillips são
estimadas conjuntamente e restritas por uma curva agregada, que impõe consistên-
cia entre as inflações setoriais e a inflação de preços livres. Estimações da NAIRU
e da NAICU, assim como do hiato do produto, são também realizadas e ajudam a
explicar vários fatos relevantes.
O tratamento do segundo problema é mais sutil. Nós estimamos o modelo semi-
estrutural usando filtro de Kalman. Não há na teoria método algum de filtragem
que seja isento de problemas (e.g. Canova (1998) e Canova e Ferroni (2011)), mas
filtros que contenham maior estrutura econômica possuem mais chances de extrair
a informação correta. Além disso, o presente artigo usa medidas auxiliares obti-
das pelo filtro HP como trajetórias iniciais para a estimação das séries latentes da
NAIRU e da NAICU. O filtro de Kalman estima apenas as correções em relação a
essas séries iniciais. Essa estratégia ajuda na convergência do filtro e na identificação
dos parâmetros e da NAIRU e NAICU.
O modelo semiestrutural proposto é estimado usando dados trimestrais da econo-
mia brasileira para o período de 1999T3 a 2012T4. Primeiro, nossos resul-
tados sugerem que desenvolvimentos no mercado de trabalho têm impactos im-
portantes sobre a dinâmica da inflação. O parâmetro estimado para o hiato do
10NAICU significa non-accelerating inflation rate of capacity utilization.
9
desemprego na curva de Phillips de bens não comercializáveis não apenas é esta-
tisticamente significante em todos os níveis de significância usuais, como possui
magnitude relevante (−0, 31). Portanto, reduções na taxa de desemprego afetam
diretamente a inflação de bens não comercializáveis e, consequentemente, a inflação
agregada. Este resultado está em linha com nossa hipótese de que a evidência de
uma relação fraca entre desemprego e inflação no Brasil reportada por outros autores
é resultante de viés de atenuação em direção a zero advindo de erros de medida no
hiato do desemprego gerados por não se introduzir maior estrutura econômica no
modelo. De fato, quando se considera a estimação do modelo usando o hiato do
desemprego obtido pelo filtro HP diretamente, o valor do parâmetro é muito menor
(−0, 17) e não significante.
A inferência do hiato da taxa do desemprego evidencia o papel do mercado de
trabalho como fonte de pressão direta sobre a inflação de bens não comercializáveis.
Por outro lado, o hiato da utilização da capacidade instalada também tem papel
relevante na trajetória da inflação de bens comercializáveis. Isso significa que as
duas variáveis agem conjuntamente para a determinação da dinâmica da inflação
agregada, e a dicotomia vivida pela economia brasileira no período recente é um dos
responsáveis pelo comportamento tão distinto das taxas de inflação setoriais.
Assim como ocorreu com a taxa de desemprego efetiva, nossas inferên-
cias sugerem que houve também substancial redução na taxa NAIRU no Brasil ao
longo do período recente. Enquanto a trajetória central da NAIRU situava-se
próximo a 11%-12% no início do período coberto por nossas estimativas, seu valor
foi reduzido para próximo de 6,3% no final de 2012. Adicionalmente, quanto ao es-
tado recente do mercado de trabalho, a trajetória central estimada também sugere
que, desde meados de 2010, a taxa de desemprego encontra-se abaixo da NAIRU,
o que significa pleno emprego da força de trabalho. Em relação ao setor industrial,
há indicação de elevação no nível da NAICU ao longo do período de estimação uti-
lizado. Contudo, vale destacar que, assim como ocorre com qualquer estudo sobre
estimação de NAIRU e NAICU, essas estimativas centrais estão sujeitas a elevado
grau de incerteza.
Por fim, os três hiatos estimados (hiato do desemprego, hiato da utilização da ca-
pacidade instalada da indústria e hiato do produto) evidenciam o papel do mercado
10
de trabalho como fonte de pressão sobre a atividade econômica e sobre a inflação, e
enfatizam a dicotomia vivida pela economia brasileira. Ao incorporar maior estru-
tura econômica na estimação, inferimos duas fontes de pressão agindo em direções
opostas sobre o hiato do produto nos últimos dois anos. De um lado, os resulta-
dos da inferência sugerem que o setor industrial encontra-se mais desaquecido nos
últimos anos do que indica a evidência obtida pelo filtro HP, o que pressiona o
hiato do produto para baixo. De outro, o mercado de trabalho, que inicialmente
encontrava-se desaquecido, mas que foi ganhando força ao longo do tempo e agora
encontra-se operando acima de seu potencial, pressiona a atividade econômica para
cima. Por conta da elevada participação do trabalho na renda, essas duas forças
opostas, quando traduzidas em termos da variável de demanda que tradicional-
mente aparece na curva de Phillips agregada, produzem um hiato do produto mais
elevado no período recente do que aquele obtido diretamente por filtro HP, apesar
de a atividade econômica, quando medida apenas pelo PIB, não apresentar taxas
expressivas de crescimento.
O restante do artigo é organizado como segue. A seção 2 apresenta o modelo
empírico semiestrutural. A seção 3 apresenta os resultados das estimações e as tra-
jetórias estimadas para a NAIRU e para a NAICU, e analisa o hiato do produto
obtido a partir de um modelo de função de produção incorporado ao modelo semi-
estrutural. Além disso a seção discute a interação entre os hiatos do emprego, da
utilização da capacidade instalada da indústria e do produto. A seção 4 conclui.
2 O modelo11
O modelo é composto por curvas de Phillips setoriais no formato de modelos lineares
dinâmicos (DLM), em que as trajetórias das variáveis latentes NAIRU e NAICU são
descritas como passeios aleatórios com drifts estocásticos. Na estimação, utilizamos
o filtro de Kalman para inferir a distribuição dinâmica da NAIRU e da NAICU.
Os parâmetros invariantes do modelo são estimados por máxima verossimilhança
total.12
11O modelo apresentado e estimado nesse artigo tem caráter puramente acadêmico, sem preten-sões de ser utilizado para projeções com fins de implementação de política econômica.12Ótimas referências sobre modelos lineares dinâmicos (DLM) e inferência usando filtro de
Kalman são Hamilton (1994), Prado e West (2010) e West e Harrison (1997). Para aplicações
11
Na melhor especificação, o modelo possui a seguinte estrutura:
πncot = λ1πlivt−1 + λ2Etπ
ncot+1 + λ3π
∗t−1 + λ4ut + β′Xt−j + ξncot
(1)
λ1 + λ2 + λ3 = 1 ; ξncot ∼ N (0, σ2nco)
πcomt = γ1πlivt−1 + γ2Etπ
comt+1 + γ3π
∗t−1 + γ4ct−2 + θ′Zt−l + ξcomt (2)
γ1 + γ2 + γ3 = 1 ; ξcomt ∼ N (0, σ2com)
πlivt = ωcomt (πcomt − ξcomt ) + (1− ωcomt ) (πncot − ξncot ) + ξlivt (3)
ξlivt ∼ N (0, σ2liv)
A curva de Phillips para a inflação de produtos não comercializáveis πncot está
descrita na equação (1), onde Etπncot+1 representa o termo de forward-looking, Et (·)
é o operador de expectativas condicionais ao conjunto de informação do período t,
ut é o hiato da taxa de desemprego (a ser definido à frente) e Xt é um vetor com
outras variáveis medindo choques de oferta (que tem média zero no longo prazo).
A equação (2) é uma curva de Phillips para a inflação de produtos comercializáveis,
πcomt , onde Etπcomt+1 é o termo de expectativas, ct é o hiato da utilização da capacidade
instalada (que também será definido à frente) e Zt são choques de oferta modelados
afetando a inflação de comercializáveis, com média zero no longo prazo (os vetores
Xt e Zt podem conter as mesmas variáveis). A equação (3) impõe consistência das
inflações setoriais com a inflação de preços livres, πlivt , onde ωcomt é o peso dos preços
comercializáveis na inflação de preços livres e ξlivt é um choque de modelagem.
Além disso, π∗t =(
∆et + πft
)é a taxa de inflação de preços importados em moeda
doméstica, medida pela variação (em log) da taxa de câmbio, ∆et, mais a taxa
de inflação externa πft ; ξncot e ξcomt representam choques de oferta não modelados,
e [λ1, λ2, λ3, λ4, γ1, γ2, γ3, γ4,β,θ, σ2nco, σ
2com, σ
2liv, σ
2d] é o vetor com os parâmetros a
serem estimados. Note também que impomos restrições nos coeficientes para que
as curvas de Phillips sejam verticias no longo prazo. Por fim, ut ≡ − log (1− Ut)
e ct ≡ log (UCIt) são transformações logaritmicas da taxa de desemprego, Ut, e da
de DLMs em modelos macroeconômicos, ver Basdevant (2003).
12
utilização da capacidade instalada, UCIt, respectivamente.
Note a diferença estrutural das duas curvas de Phillips setoriais. A medida de
atividade econômica relevante para inflação de bens não comercializáveis é o hiato
da taxa de desocupação, enquanto que o hiato da utilização da capacidade instalada
é a medida mais apropriada para produtos comercializáveis.
Em relação ao termo de backward-looking, observe que em ambas as equações
ele é dado pela inflação de preços livres. Por ser um instrumento que captura algum
mecanismo de indexação, preferimos utilizar uma medida de inflação agregada para
esse componente. Além disso, no modelo econométrico não incluímos dummies
sazonais. A estimação é realizada utilizando dados dessazonalizados.
A equação (3) também merece um comentário adicional. Ela impõe uma dis-
ciplina nas curvas de Phillips setoriais, de forma que os valores estimados nessas
equações sejam consistentes com a inflação agregada de preços livres. Observe que
os termos entre parênteses são os valores ajustados das duas outras equações. A
soma desses valores, ponderados pelos seus respectivos pesos, não é igual à inflação
de preços livres. Por isso, incluímos um termo de erro. Mas note também que, caso
os pesos ωcomt fossem constantes no tempo, essa equação não adicionaria nada ao
sistema. Mais do que isso, ela seria redundante. A matriz de variância-covariância
dos termos de erro seria singular e a estimação conjunta das três equações seria
impossível. É o fato de os pesos não serem constantes que permitem a estimação
conjunta do sistema.
Por fim, note que não incluimos no modelo uma equação para a Lei de Okun,
que relaciona mudanças no hiato da taxa de desocupação ao crescimento do produto
(ou variação no hiato do produto). Na verdade, introduzir ou não essa equação
não afeta as estimações, uma vez que a restrição relacionando as inflações de bens
comercializáveis e de não-comercializáveis à inflação de preços livres, ao afetar a
estimação dos parâmetros de todas as equações, impõe também uma relação entre
o hiato da taxa de desemprego e o hiato da utilização da capacidade instalada
estimados.13
Resta agora definir o tratamento dado às variáveis de hiato da taxa de desem-
prego, ut, e de hiato da utilização da capacidade instalada, ct. Na verdade, essa
13Nas estimações realizadas, quando se adicionou uma equação para Lei de Okun no modelo nãohouve mudança nos resultados.
13
definição determina a estratégia de estimação do modelo. Neste trabalho usamos
duas estratégias diferentes e comparamos os seus resultados. A primeira consiste em
estimar o modelo semiestrutural acima adotando o tratamento tradicional para as
variáveis latentes. Chamaremos essa estratégia de modeloMT (modelo com método
tradicional). O procedimento tradicional na literatura para problemas desse tipo,
em que se pretende estimar a NAIRU usando filtro de Kalman, é definir o hiato do
desemprego como a diferença entre a taxa de desocupação e a NAIRU e modelar
diretamente a NAIRU como variável de estado. O mesmo procedimento é feito em
relação à NAICU. Assim, no modelo MT estimamos as equações (1)-(3) acima em
conjunto com as seguintes variáveis de estado:
(MT ) unt = unt−1 + udrt−1 ; cnt = cnt−1 + cdrt−1
udrt = udrt−1 + ζudt ; cdrt = cdrt−1 + ζcdt
ζudt ∼ N (0, σ2d) ; ζcdt ∼ N (0, σ2d)
(4)
onde unt ≡ − log (1−NAIRUt) e cnt ≡ log (NAICUt) são transformações logaritmi-
cas da NAIRU e da NAICU, respectivamente, e as variáveis de hiato são definidas
como ut ≡ ut − unt e ct ≡ ct − cnt .
Na segunda estratégia de estimação, usamos séries obtidas por processos pu-
ramente estatísticos como condições iniciais para a NAIRU e para a NAICU para
facilitar a inferência via filtro de Kalman. Por simplicidade, escolhemos o filtro
HP como método auxiliar. Chamaremos esse procedimento de modelo MA (modelo
com variáveis auxiliares). Para ver como o procedimento funciona, escreva as séries
estruturais da NAIRU e da NAICU a serem estimadas pelo filtro de Kalman como:
unt = uhpt + corut ; cnt = chpt + corct (5)
onde unt ≡ − log (1−NAIRUt) e cnt ≡ log (NAICUt) são transformações logaritmi-
cas da NAIRU e da NAICU; uhpt ≡ − log(
1−NAIRUhpt
)e chpt ≡ log
(NAICUhp
t
)são estimativas usando filtro HP (i.e., são as medidas auxiliares obtidas num primeiro
passo); e corut e corct representam as correçoes em relação ao filtro HP realizadas pelo
filtro de Kalman ao incorporar maior estrutura econômica no modelo. Nesse pro-
cedimento as correções são as variáveis de estado no filtro de Kalman, ao invés
14
das próprias NAIRU e NAICU, como no método tradicional. Assim, no modelo
MA estimamos o modelo semiestrutural (1)-(3) acima em conjunto com as seguintes
equações:
(MA) corut = corut−1 + corudt−1 ; corct = corct−1 + corcdt−1
corudt = corudt−1 + ηudt ; corcdt = corcdt−1 + ηcdt
ηudt ∼ N(0, σ2d
); ηcdt ∼ N
(0, σ2d
) (6)
onde corut = unt −uhpt e corct = cnt −c
hpt . Como antes, o hiato do desemprego e o hiato
da utilização da capacidade instalada são definidos como ut ≡ ut−unt e ct ≡ ct− cnt .
Para facilitar a inferência do modelo MA, impomos σ2d = σ2d estimado inicialmente
no modelo MT .
Note que a especificação de random walk com drift estocástico para as variáveis
de estado nos dois modelos é capaz de capturar a grande maioria dos processos
estacionários e não estacionários em amostras finitas. Deste modo, o modelo permite
que as variáveis latentes se comportem de maneira estacionária em alguns trechos e
não estacionária em outros.
Existem ao menos duas vantagens aparentes no método adotado no modeloMA,
em relação ao procedimento tradicional. Primeiro, as correções devem ser esta-
cionárias. Assim, será mais fácil para o filtro de Kalman inferir as correções para
ajustar as séries auxiliares às trajetórias da NAIRU e da NAICU coerentes com a
estrutura econômica. Segundo, como no método tradicional se estima simultanea-
mente as variáveis latentes NAIRU e NAICU e os coeficientes dos hiatos da taxa de
desemprego e da utilização da capacidade instalada da indústria, parece haver um
problema de identificação. Aumentos no nível da NAIRU ou da NAICU podem ser
compensados por reduções em seus parâmetros e vice-versa. Já no nosso método,
um procedimento recursivo é adotado, composto de dois passos. No primeiro passo,
usamos os valores suavizados centrais das variáveis latentes NAIRU e NAICU para
estimar os parâmetros do modelo.14 No segundo passo, fixamos os parâmetros dos
hiatos do desemprego e da utilização da capacidade obtidos no passo anterior e in-
ferimos as distribuições dinâmicas da NAIRU e da NAICU. Para iniciar o processo
14Os valores suavisados levam em conta o conjunto de informação da amostra completa, i.e., os
valores centrais são dados por unt = E(unt | {Yτ}
Tτ=1
)e cnt = E
(cnt | {Yτ}
Tτ=1
), onde Yt é o vetor
de variáveis observaveis (endógenas e exógenas) no período t ∈ {1, T}.
15
recursivo, usamos as medidas auxiliares obtidas por filtro HP. Os dois passos são
repetidos até que os parâmetros do sistema satisfaçam o critério de convergência.
3 Estimação
O modelo semiestrutural é estimado por máxima verossimilhança, usando filtro de
Kalman. As estimações realizadas utilizam dados trimestrais dessazonalizados, no
período 1999T2 a 2012T4. As medidas de inflação de preços livres, de bens comer-
ciálizáveis e de não-comercializáveis são os seus respectivos componentes do Índice
Nacional de Preços ao Consumidor Amplo (IPCA), calculado pelo IBGE. Os pesos
variantes no tempo também são os correspondentes da cesta do IPCA. As medidas
da taxa de inflação de bens comerciálizáveis e não-comercializáveis são baseadas na
reclassificação de itens do IPCA pelo Banco Central do Brasil e na reponderação
de pesos, como descrito em Banco Central do Brasil (2011). O método incorpora a
nova estrutura de padrão de consumo, conforme a Pesquisa de Orçamento Familiar
(POF) 2008-2009 do IBGE. A medida de inflação externa é dada pela variação do
índice Commodity Research Bureau —CRB.
A medida de desemprego adotada para a maior parte do período é a taxa de
desemprego aberta, com período de referência de 30 dias, da Pesquisa Mensal do
Emprego —PME do IBGE. O IBGE realizou importante mudança metodológica
no cálculo do desemprego em 2002 para se adequar aos padrões internacionais, o
que significa que essas informações estão disponíveis apenas para o período a partir
de março de 2002. Para se obter uma série de dados mais longa, esses dados de
desemprego do IBGE foram combinados com a série de desemprego agregado medido
pela Pesquisa de Emprego e Desemprego —PED do DIEESE/Fundação SEADE-
SP (de abril de 1999 a fevereiro de 2002), referente às taxas de desemprego nas
regiões metropolitanas de Belo Horizonte, Fortaleza, Porto Alegre, Recife, Salvador,
São Paulo e Distrito Federal. Por causa dessa mudança na série de desemprego,
realizamos também uma estimação usando apenas os dados do IBGE, ou seja, para
o período entre 2002T2 a 2012T4. A variável de utilização da capacidade instalada
da indústria é dada pela série calculada pela CNI.15
15Foram também realizadas estimações usando dados da Fundação Getulio Vargas —FGV. Osresultados obtidos não se alteram qualitativamente.
16
Existem ainda variáveis adicionais capturando choques nas curvas de Phillips,
representadas pelos vetores Xt e Zt. Diversas variáveis foram tentadas como con-
troles para esses choques, tais como mudanças de preços relativos, choques nos preços
de commodities, mudança nos preços de petróleo, variação no salário mínimo etc.
Dessas variáveis, apenas duas foram significantes na equação para a inflação de bens
comercializáveis: a variável dest, que captura o desalinhamento de preços no atacado
e no varejo (medido pela diferença entre o (log) Índice de Preços no Atacado —IPA-
FGV e o (log) Indice de Preços ao Consumidor —IPC-FGV); e a variável chcomt,
que captura choques nos preços de commodities, medidos pelo hiato do índice CRB,
em reais, em relação à sua tendência.
Vale detacar aqui uma questão técnica importante relacionada à estimação. A
presença dos componentes de expectativas de inflação Etπncot+1 e Etπcomt+1 nas curvas
de Phillips causa um problema de endogeneidade que precisa ser tratado. Por isso,
um procedimento em dois estágios foi adotado na inferência. O primeiro estágio
envolveu regredir os valores realizados das taxas de inflação de bens comercializáveis
e de não-comercializáveis no período (t+ 1) em variáveis instrumentais. Em seguida,
utiliza-se os componentes de inflação previstos no primeiro estágio como as variáveis
de expectativas. Nesse segundo estágio, todas as equações do modelo são estimadas
conjuntamente. Os instrumentos para Etπncot+1 utilizados são (1/2)∑2
j=1 πncot−j, π
comt−1 e
dest−1. Os instrumentos para Etπcomt+1 são πncot−1, π
comt−1 , π
ipcat−1 e dest−1.
As duas especificações do modelo apresentadas na seção anterior foram esti-
madas. No modelo MT as variáveis NAIRU e NAICU são estimadas diretamente
como as variáveis latentes no filtro de Kalman. O modelo MA usa o procedimento
recursivo descrito anteriormente, com variáveis auxiliares iniciais para a NAIRU e
NAICU obtidas por filtragem HP1600 e as variáveis de estado estimadas são desvios
dessas trajetórias iniciais. Os resultados das estimações dos dois modelos são re-
portados na Tabela 1. Apresentamos também os resultados do primeiro passo da
estimação recursiva do modelo MA, i.e., quando as medidas dos hiatos são simples-
mente aquelas obtidas pelo filtro HP: uhpt ≡ ut−uhpt e chpt ≡ ct−chpt . Essa estimação
é chamada de modelo M0.16
16A estimação para o período 2002T2-2012T4 é reportada na Tabela 2 no apêndice. De maneirageral, os resultados são os mesmos.
17
Tabela 1: Parâmetros estimadosMT M0 MA
Curva de Phillips Não-Comercializáveisπlivt−1 0, 367
(0,065)
∗∗∗ 0, 358(0,079)
∗∗∗ 0, 357(0,066)
∗∗∗
Etπncot+1 0, 609
(0,063)
∗∗∗ 0, 618(0,081)
∗∗∗ 0, 619(0,064)
∗∗∗
π∗t−1 0, 024(0,012)
∗∗ 0, 024(0,014)
∗ 0, 024(0,012)
∗∗
uhpt ou ut −0, 306(0,067)
∗∗∗ −0, 166(0,131)
−0, 314(0,066)
∗∗∗
dest 0, 380(0,124)
∗∗∗ 0, 373(0,140)
∗∗∗ 0, 371(0,127)
∗∗∗
Curva de Phillips Comercializáveisπlivt−1 0, 445∗∗∗
(0,121)
0, 436∗∗∗(0,126)
0, 446∗∗∗(0,121)
Etπcomt+1 0, 485∗∗∗
(0,118)
0, 493∗∗∗(0,123)
0, 484∗∗∗(0,117)
π∗t−1 0, 070(0,016)
∗∗∗ 0, 072(0,017)
∗∗∗ 0, 070(0,016)
∗∗∗
chpt−2 ou ct−2 0, 145(0,049)
∗∗∗ 0, 148(0,087)
∗ 0, 145(0,049)
∗∗∗
dest 1, 154(0,240)
∗∗∗ 1, 155(0,250)
∗∗∗ 1, 156(0,242)
∗∗∗
chcomt−1 0, 068(0,017)
∗∗∗ 0, 069(0,022)
∗∗∗ 0, 068(0,017)
∗∗∗
Parâmetro log (σ2nco) −11, 250(0,258)
∗∗∗ −10, 973(0,340)
∗∗∗ −11, 261(0,256)
∗∗∗
Parâmetro log (σ2com) −9, 434(0,654)
∗∗∗ −9, 404(0,575)
∗∗∗ −9, 435(0,660)
∗∗∗
Parâmetro log (σ2liv) −10, 419(0,714)
∗∗∗ −10, 389(0,717)
∗∗∗ −10, 423(0,705)
∗∗∗
Parâmetro log (σ2d) −14, 977(0,714)
∗∗∗ - −14, 977(0,714)
∗∗∗
Log-verossimilhança Passo 1 597, 850 589, 007 598, 298Log-verossimilhança Passo 2 535, 666 536, 794
Nota: Método: Filtro de Kalman com máxima verossimilhança totalAmostra: 1999T3 a 2012T4Parênteses: desvio padrão; Significância: ∗ (10%), ∗ ∗ (5%), ∗ ∗ ∗ (1%)M0: primeiro passo da primeira iteração, filtragem HP1600 como valorinicial para NAIRU e NAICU, sem correçõesMA: correções da NAIRU e NAICU inferidas por filtragem de Kalmanauxiliada por séries auxiliares (HP1600)MT : NAIRU e NAICU inferidas por filtragem de Kalman padrão
18
O primeiro resultado que merece destaque diz respeito aos coeficientes estimados
do hiato da taxa de desocupação na curva de Phillips de bens não comercializáveis.
Não apenas os coeficientes são estatisticamente significantes nos modelos MA e MT
em qualquer dos níveis usuais de confiança, como suas magnitudes são extremamente
relevantes (−0, 31, em ambos os modelos). Esse resultado sugere que a dinâmica
do mercado de trabalho impacta fortemente o nível de preços da economia: re-
duções na taxa de desocupação abaixo da NAIRU afetam diretamente a inflação de
bens não comercializáveis e, consequentemente, a inflação agregada. Esse resultado
é complementar àqueles encontrados em Banco Central do Brasil (2013), embora
naquele estudo o impacto do mercado de trabalho sobre a inflação seja capturado
diretamente através dos salários.
Alguns autores e analistas têm relatado dificuldades na obtenção de
parâmetros significativos e relevantes do hiato da desocupação em estimações de
curvas de Phillips agregadas, o que poderia sugerir uma relação fraca (ou inexis-
tente) entre inflação e desemprego no curto prazo (e.g. Mendonca et al. (2012),
Delfim Netto (2013) e Minella et al. (2003)). Nossos resultados sugerem que es-
sas dificuldades podem ser resultantes da estratégia utilizada pelos autores para
capturar essa relação. Essa indicação é fornecida pelo modelo M0, cujos resulta-
dos sugerem que a utilização de medida de hiato de desemprego estimado por filtro
HP1600, sem considerar maior estrutura econômica na estimação, parece não ser uma
boa estratégia.17 De fato, quando utilizamos a trajetória estimada pelo filtro HP1600
como proxy para a NAIRU, o valor obtido para o parâmetro é muito menor (−0, 17)
e estatisticamente não significante (p-valor igual a 0, 21). Este fato é uma forte
evidência de que, por não considerar maior estrutura econômica em sua estimação,
o hiato da taxa de desocupação obtido por filtragem HP possui erro de medida.
É um resultado econométrico conhecido na literatura que, quando se tem erros de
medida em uma variável, há viés de atenuação em direção a zero na estimativa de
seu parâmetro (e.g. Wooldridge (2010, cap. 4)).
Os coeficientes estimados para o hiato da utilização da capacidade instalada
na indústria nos modelos MA e MT (0, 15) são também significantes em todos os
17Mendonca et al. (2012) utilizam o hiato da taxa de desocupação obtido por filtragem HPe também a própria taxa de desocupação em várias especificações da curva de Phillips. Seusresultados sugerem que, embora muito pequena, a relação entre inflação e desemprego existe nocurto prazo.
19
níveis de confiança usuais, indicando que essa variável também é importante para
a determinação da taxa de inflação. Note que se considerarmos apenas a dinâmica
estimada por filtro HP (modeloM0), semmaior estrutura econômica na estimação do
hiato, o parâmetro estimado possui magnitude igual à dos outros dois modelo, mas
é significante somente no nível de 10%. Este fato sugere que, embora a volatilidade
média do hiato da utilização da capacidade instalada inferida pelo filtro de Kalman
seja semelhante à volatilidade média obtida pelo filtro HP1600, a dinâmica obtida
pela filtragem de Kalman é superior e mais compatível com a dinâmica da inflação.
Quanto aos outros parâmetros estimados nos modelos MA e MT , todos são es-
tatisticamente significantes e possuem os sinais esperados teoricamente. Choques
de commodities e mudanças de preços relativos parecem ser importantes para a
dinâmica das taxas de inflação. Note também a diferença de magnitude dos com-
ponentes de repasse cambial estimados entre os dois grupos de preços. Enquanto
o repasse da inflação externa para preços de produtos comercializáveis é estimado
por volta de 7% dentro do mesmo trimestre, no caso dos preços de serviços não
comercializáveis o repasse é de apenas aproximadamente 2%; portanto, mais de
três vezes menor. De forma interessante, a variável medindo mudanças no salário
minimo não foi estatisticamente significante na equação de preços de produtos não
comercializáveis.
Por fim, o coeficiente estimado de inércia na inflação de bens não comercializáveis
(λ1 = 0, 36) é menor que aquele da inflação de produtos comercializáveis (γ1 = 0, 45).
Esse é um resultado contrário à intuição. Normalmente se espera inércia maior na
inflação do setor de não comercializáveis, especialmente por conta das regras usuais
de reajustes de salários. Contudo, com um teste de Wald não é possível rejeitar a
hipótese de que λ1 ≥ γ1.
3.1 Comparação entre os modelos
A seção anterior sugere que simplesmente usar as séries de hiato do desemprego e da
utilização da capacidade instalada obtidas pelo filtro HP1600, sem considerar maior
estrutura econômica, pode introduzir erros de medida na estimação e gerar dificul-
dades na inferência da relação entre desemprego e inflação. O mesmo ocorre com a
relação entre utilização da capaciade instalada e inflação. Portanto, nesse sentido o
20
modelo M0 é inferior aos outros dois. Além disso, a log-verossimilhança do modelo
M0 é muito menor do que a log-verossimilhança dos modelos MA e MT .18 Note que
usamos logaritmos neperianos, e diferenças maiores que log (100) = 4, 60 são muito
grandes e podem ser interpretadas como evidência decisiva contra o modelo M0 em
relação a MA e MT . Esta regra de decisão é descrita por Kass e Raftery (1995) e
baseia-se nas sugestões de Jeffreys (1961). Em resumo, essas informações sugerem
superioridade dos modelos que incorporam maior estutura econômica no filtro de
Kalman para inferir os hiatos, em relação à filtragem HP simples.
A diferença entreMA eMT é mais tênue, já que os valores das log-verossimilhança
são bastante próximos. Mas note que os valores estão em logaritmos. Pelo critério
de Kass e Raftery (1995) há pequena vantagem em favor do modeloMA. Além disso,
a velocidade de convergência do processo iterativo é maior no modelo com variáveis
auxiliares, e estas parecem ajudar na identificação das séries latentes da NAIRU e
NAICU e dos parâmetros do modelo. Por isso, adotaremos essa especificação como
o nosso modelo benchmark.
3.2 Taxas que não aceleram a inflação
Nessa seção apresentamos a evidência obtida para as variáveis de equilíbrio usando
o modelo benchmark MA.19 Os paineis (A) e (B) da figura 2 mostram as séries
suavizadas (em nível) da NAIRU e NAICU para o período 2001T1 a 2012T4,20 além
das séries originais (em nível) da taxa de desocupação e da utilização da capacidade
instalada, com suas respectivas filtragens HP1600. Os paineis (C) e (D) da figura 2
mostram intervalos de confiança de 95% das séries suavizadas.
Em relação o mercado de trabalho, os resultados sugerem que, assim como ocor-
reu com a taxa de desemprego efetiva, houve também substancial redução na NAIRU
no Brasil ao longo do período recente. As estimativas pontuais do modelo sugerem
que, enquanto a NAIRU situava-se próximo de 11%-12% no início do período con-
18Uma análise mais precisarequer o uso da log-verossimilhança marginal. Contudo, o fato de osintervalos de confiança dos modelos MA e MT serem mais estreitos que os do modelo MA0 sugereque este critério nos daria a mesma conclusão.19As estimativas para a NAIRU e para a NAICU usando o modeloMT e também para o período
2002T2-2012T4 são reportadas na Figuras 4 e 5 no apêndice. Os resultados são basicamente osmesmos.20Lembre que o modelo foi estimado usando dados do período 1999T3 a 2012T4, mas a inferência
dos estados nos períodos iniciais são sujeitos a erros na distribuição inicial usada no filtro deKalman. Por isso, desprezamos os valores iniciais estimados da NAIRU e da NAICU.
21
siderado na estimação, seu valor foi reduzido para algo próximo a 6,3% no final de
2012.21
(A) (B)
5
6
7
8
9
10
11
12
13
99 00 01 02 03 04 05 06 07 08 09 10 11 1276
78
80
82
84
86
88
96 98 00 02 04 06 08 10 12
(C) (D)
5
6
7
8
9
10
11
12
13
99 00 01 02 03 04 05 06 07 08 09 10 11 1276
78
80
82
84
86
88
96 98 00 02 04 06 08 10 12
Figura 2: NAIRU e NAICU no modelo benchmark
Nota: Painel (A): Taxa de Desocupação (azul), NAIRU (preta com círculos),filtragem HP (estrelas vermelhas).Painel (B): Utilização da Capacidade Instalada (azul), NAICU (pretacom círculos), filtragem HP (vermelha com estrelas).Painel (C): Taxa de Desocupação (azul), NAIRU (preta com círculos),Intervalo de Confiança de 95% (preta).Painel (D): Utilização da Capacidade Instalada (azul), NAICU (pretacom círculos), Intervalo de Confiança de 95% (preta).
O trabalho de da Silva Filho (2008), usando dados para o período de 1996T2 a
2006T4, encontra evidências de uma NAIRU constante, no intervalo de 7,4% a 8,5%,
embora chame atenção para o fato de que suas estimativas são bastante sensíveis à
escolha e inclusão de choques de oferta na curva de Phillips. Quando se considera
apenas o período de 2001T1 a 2006T4, que é coberto pelo presente trabalho e por
da Silva Filho (2008), a trajetória central estimada pelo nosso modelo apresenta
21Existem poucos trabalhos com dados atualizados sobre NAIRU no Brasil. Os dois trabalhosque reportam estimativas mais recentes são da Silva Filho (2008, 2012). Referências mais antigasincluem Portugal e Madalozzo (2000) e Lima (2003).
22
variação relativamente pequena– o valor estimado para o início de 2001 encontra-se
próximo de 11%, apresenta pequena elevação a seguir, alcançando 12% em meados
de 2003, e retorna para valores próximos a 10% no final de 2006.
Considerando o intervalo de significância estimado, a evidência sugere que não se
pode rejeitar a hipótese que a NAIRU tenha efetivamente permanecido constante até
o final de 2006. Portanto, quanto à trajetória da NAIRU até 2006, nossos resultados
são compatíveis com aqueles reportados em da Silva Filho (2008). Contudo, quando
se considera o período completo, a evidência sugere que efetivamente houve redução
importante na NAIRU no Brasil.
Em relação ao nível, considerando o período até 2006, nota-se que as estimativas
pontuais reportadas por da Silva Filho (2008) são menores que os valores obtidos
pelo nosso modelo. Enquanto nossa trajetória estimada sugere um valor de 9,5%
para a NAIRU no final de 2006, aquele autor encontra estimativas entre 7,4% e
8,5%. Essa comparação é interessante por que, ao final de 2006, a taxa efetiva
de desemprego dessazonalizada encontrava-se próxima de 10%. Por outro lado, o
mesmo autor reporta, em outro trabalho mais recente (com dados para operíodo de
março de 2002 a março de 2011), usando a série de desemprego agregada calculada
pelo IBGE, uma estimativa maior para a NAIRU, de 9,6% (da Silva Filho (2012)).22
Esse último resultado é dificil de ser compatibilizado com nossas estimativas, que
sugerem valores significativamente menores para o período mais recente.
Quanto ao estado recente do mercado de trabalho no Brasil, nossas estimativas
centrais sugerem que desde meados de 2010 a taxa de desocupação encontra-se
abaixo da NAIRU, o que significa pleno emprego da força de trabalho. Deve-se
destacar, contudo, que, como qualquer estudo sobre inferência de variáveis latentes,
as estimativas centrais possuem elevado grau de incerteza, conforme sugerido pelo
intervalo de confiança apresentado no painel (C) da Figura 2.
Em relação ao setor industrial, ao longo do período amostral percebe-se ele-
vação tanto do nível de utilização da capacidade instalada como da própria NAICU
estimada. Todavia, as estimativas centrais do modelo sugerem que no período re-
cente o nível de utilização da capacidade instalada efetivo encontra-se bem abaixo
da trajetória que não acelera a inflação, o que significa capacidade ociosa no setor
22O autor realiza também outras estimações usando medidas alternativas de desemprego.
23
industrial. A mesma observação feita sobre a incerteza da estimação da NAIRU vale
para a NAICU, como mostra o painel (D) da Figura 2.
Há diferenças importantes entre as trajetórias da NAIRU e da NAICU esti-
madas pelo modelo e aquelas obtidas usando o filtro HP1600, especialmente nos dois
extremos do período coberto pelas estimações. Apesar de as estimativas da NAIRU
pelo modelo e pelo método de filtragem HP1600 serem semelhantes ao longo do
período entre 2003 a 2008, para o período anterior a 2003 nossa estimativa é inferior
à do filtro HP1600 (média de 11, 3% contra 12% até 2002T4) e o inverso ocorre no fi-
nal da amostra (a NAIRU oscila em torno de 6.7%, enquanto que a tendência HP1600
da taxa de desocupação oscila em torno de 5, 8% entre 2011T1 e 2012T4). No caso
da NAICU, o padrão é o mesmo. Enquanto a média da estimação do modelo entre
2001 e 2004 é de 80, 3%, a média da tendência HP1600 é de 80, 8%. Entre 2011T1 e
2012T4, as médias são 84,0% e 82,5%, respectivamente.
Esses resultados carregam uma mensagem extremamente importante para a
leitura do que tem ocorrido na economia brasileira no período recente. Em linha
com a trajetória mais alta observada recentemente para a taxa de inflação de pro-
dutos não comercializáveis, a NAIRU estimada pelo modelo semiestrutural indica
um mercado de trabalho mais aquecido nos últimos anos do que sugere a filtragem
HP1600. Por outro lado, também compatível com a inflação mais baixa observada
para produtos comercializáveis, a NAICU estimada produz a leitura de que o setor
industrial encontra-se operando mais desaquecido do que sugere o filtro HP1600. É
fato documentado na literatura que o filtro HP possui problemas de borda. To-
davia, acreditamos que as diferenças entre as taxas que não aceleram a inflação e as
tendências HP não advêm de problemas estatísticos do filtro HP nos extremos da
amostra. De fato, o filtro HP não considera a estrutura econômica na estimação,
particularmente as dinâmicas das taxas de inflação. Este é apenas um método de
extração de tendência, ao filtrar frequências maiores. Nosso método, por outro lado,
leva em consideração a interação entre as taxas de inflação dos setores de bens
comercializáveis e de não comercializáveis na estimação conjunta da NAIRU e da
NAICU.
24
3.3 Os três hiatos
Essa seção descreve como a estimativa de hiato do produto é obtida usando o modelo
semiestrutural e apresenta uma leitura mais detalhada do desempenho da economia
agragada, do mercado de trabalho e do setor industrial, usando os três hiatos esti-
mados pelo modelo: hiato do produto, hiato do desemprego e hiato da utilização da
capacidade instalada.
A estratégia de estimação do hiato do produto deriva de um modelo de função de
produção e combina duas fontes de pressão: uma advinda do mercado de trabalho,
medida pela intensidade do uso de mão de obra em relação ao emprego de trabalho
potencial; e outra relativa ao uso do capital, representada pelo nível de utilização
de capacidade instalada da indústria, também em relação ao seu potencial.
Assuma que o produto seja dado por uma função de produção Cobb-Douglas
com rendimentos constantes de escala:23
Yt = At (KtCt)1−α [Lt (1− Ut)]α, (7)
onde Yt é o produto agregado da economia, At é um fator de produtividade, Kt
representa o estoque de capital, Ct é a utilização da capacidade instalada, Lt é a
força de trabalho, Ut é a taxa de desemprego e α e 1 − α podem ser interpretados
como as participações do trabalho e do capital na renda, sob a hipótese de que os
fatores de produção recebem remuneração igual às suas produtividades marginais.
O produto potencial é dado por:
Y nt = At (KtC
nt )1−α [Lt (1− Un
t )]α, (8)
onde Cnt é o nível da NAICU e U
nt é o nível da NAIRU.
A equação (8) torna claro que as dificuldades de estimação do produto potencial
resultam de incertezas nas estimativas do fator de produtividade, do estoque de
capital, da força de trabalho e dos componentes não observáveis NAIRU e NAICU.
23Areosa (2008) desenvolve uma metodologia interessante para estimar o hiato do produto con-siderando maior estrutura econômica. da Silva Filho (2002) é o primeiro artigo a estimar o hiatodo produto para o Brasil usando o arcabouço de função de produção. Nossa especificação baseia-seem Alves eMuinhos (2003), em que os autores assumem que o fator de produtividade At é o mesmoquando a economia está no potencial.
25
Todavia, a função de produção Cobb-Douglas fornece uma maneira simples de com-
putar o hiato do produto. Dividindo a equação (7) por (8), obtemos:
YtY nt
=
(CtCnt
)1−α(1− Ut1− Un
t
)α. (9)
Note que essa medida de hiato do produto não depende de At, Kt e Lt, e na
forma logaritmica pode ser escrita como:
yt = (1− α) ct + αet
= (1− α) ct − αut, (10)
onde as letras minúsculas representam o logaritmo natural das variáveis maiúsculas;
xt ≡ xt − xnt é o hiato das variáveis; Et ≡ 1 − Ut representa a taxa de emprego da
economia, já que 1 − Ut é o percentual da força de trabalho que está empregada;
Ent ≡ 1− Un
t é a taxa natural de emprego; e usamos o fato que et ' −ut.
Portanto, o hiato do produto é uma combinação entre o hiato da utilizaçao
da capacidade instalada e o hiato do emprego (que é igual ao negativo do hiato
do desemprego). A estimação do hiato é realizada adicionando a equação (10) ao
modelo semiestrutural. Note que a introdução dessa equação no modelo não altera os
resultados dos parâmetros reportados na Tabela 1, uma vez que ela apenas combina
as duas variáveis de estado estimadas (hiato da utilização da capacidade instalada
da indústria e hiato do desemprego) e não impõe qualquer restrição adicional ao
modelo.
As participações do capital e do trabalho na renda podem ser inferidos usando
os dados das Contas Nacionais. No presente trabalho usamos o valor de α = 0, 67
estimado por Gomes et al. (2005). É interessante notar que as contribuições do hiato
do emprego e do hiato da utilização da capacidade instalada na inflação de preços
livres, ponderadas pelos respectivos pesos médios destes componentes, estimadas
pelo modelo são proporcionais a 0, 68/0, 32. Portanto, são muito próximas dos
valores de α e 1− α estimados por Gomes et al. (2005) e assumidos neste trabalho:
(1− ωcom)(−λ4
)ωcomγ4
=0.5 · 0, 314
0.5 · 0, 145=
0, 68
0, 32.
26
O painel (A) da Figura 3 mostra os três hiatos estimados pelo modelo: hiato
do emprego, hiato da utilização da capacidade instalada e hiato do produto. O
painel (B) apresenta o hiato do produto estimado pelo modelo em comparação com
o hiato estimado diretamente da série de PIB pelo filtro HP. Já os paineis (C) e
(D) apresentam, respectivamente, os hiatos da utilização da capacidade instalada
da indústria e do emprego comparados com seus valores estimados diretamente pelo
filtro HP. A Figura 3 resume os principais achados deste trabalho: (i) apesar de
encontrar-se próximo de zero, o hiato do produto estimado pelo modelo claramente
sugere para o período recente uma economia mais aquecida do que a evidência
mostrada pelo hiato do filtro HP; (ii) no caso da utilização da capacidade instalada,
de forma compatível com a inflação de produtos comercializáveis, o modelo indica
que o setor industrial encontra-se mais desaquecido do que sugere a filtragem HP;
por outro lado, (iii) também compatível com a dinâmica recente da inflação de
bens não comercializáveis, há evidências de que o mercado de trabalho esteja mais
aquecido do que sugere a evidência mostrada pela simples extração de tendência da
série de desemprego pelo filtro HP.
As duas medidas de hiato do produto apresentam movimentos semelhantes ao
longo do período analisado, embora com intensidades muito diferentes. A medida
calculada diretamente pelo filtro HP possui movimentos mais pronunciados, espe-
cialmente depois do início de 2007. Durante a crise econômica mundial de 2007/2008,
e no período imediatamente posterior, a medida de hiato HP apresenta movimentos
extremamente bruscos. Por ser uma medida baseada simplesmente em um método
de extração de tendência, sem qualquer estrutura econômica, é natural que isso acon-
teça em momentos de grandes mudanças, como ocorreu durante a crise de 2008/2009
e no período posterior.
Nos últimos dois anos, apesar de os dois hiatos mostrarem desaquecimento da
economia, elas mostram intensidades muito diferentes da desaceleração da medida
agregada de atividade econômica. Nesse período, o modelo proposto sugere que a
pressão de demanda é maior do que a indicada pela simples extração de tendência
da série de PIB pelo filtro HP.
As comparações realizadas nos paineis (C) e (D) da Figura 3 tornam mais claras
as explicações para esse resultado e enfatizam o papel do mercado de trabalho.
27
(A) (B)
5
4
3
2
1
0
1
2
3
4
01 02 03 04 05 06 07 08 09 10 11 125
4
3
2
1
0
1
2
3
4
01 02 03 04 05 06 07 08 09 10 11 12
(C) (D)
5
4
3
2
1
0
1
2
3
4
01 02 03 04 05 06 07 08 09 10 11 121.5
1.0
0.5
0.0
0.5
1.0
1.5
01 02 03 04 05 06 07 08 09 10 11 12
Figura 3: Hiatos
Nota: Painel (A): Hiato do Emprego (vermelho com estrelas), Hiato da Utilizaçãoda Capacidade Instalada (azul com círculos), Hiato do Produto (preta)Painel (B): Hiato do Produto (preta), Quasi-Hiato do PIB obtido porfiltragem HP1600 (preta com estrelas).Painel (C): Hiato da Utilização da Capacidade Instalada (azul comcírculos), Quasi-Hiato da Utilização da Capacidade Instalada obtido porfiltragem HP1600 (preta).Painel (D): Hiato do Emprego (vermelho com estrelas), Quasi-Hiato doEmprego obtido por filtragem HP1600 (preta).
O painel (C) mostra que as trajetórias estimadas para o hiato da utilização da
capacidade instalada são bastante próximas, com algumas diferenças no meio do
período analisado, mas que essa diferença torna-se maior no final da amostra. No
período recente, o modelo sugere que a indústria encontra-se ainda mais desaquecida,
quando os resultados são comparados com a evidência obtida usando simplesmente
o filtro HP. Por outro lado, os resultados apresentados no painel (D) mostram que
a partir do início de 2010 o hiato do emprego estimado pelo modelo descola com-
pletamente da estimativa obtida pelo filtro HP e mostra um mercado de trabalho
aquecido. Essa evidência já havia sido apresentada na Figura 2, com uma NAIRU
estimada superior à tendência HP e a taxa de desocupação abaixo da NAIRU desde
28
meados de 2010. Para o período inicial, especialmente antes de 2005, o modelo
sugere um mercado de trabaho menos aquecido, com a taxa de desemprego efetiva
persistentemente acima da NAIRU estimada.
Em resumo, para o período recente o modelo sugere duas fontes de pressão que
agem em direções opostas sobre o hiato do produto. De um lado, a indústria parece
mais desaquecida e, de outro, o mercado de trabalho parece mais aquecido do que as
evidências obtidas pelo filtro HP levariam a crer. A Figuras 2 e 3 resumem toda a
evidência apresentada pelo nosso modelo e mostram com clareza a dicotomia recente
da economia brasileira. De um lado, elas mostram um setor industrial que passa
por dificuldades, sem dinâmica para reagir, e pressiona o hiato do produto para
baixo. De outro, um mercado de trabalho que, no início do período coberto por
nossa análise encontrava-se desaquecido, mas que foi ganhando força ao longo do
tempo e agora encontra-se funcionando acima de seu limite potencial, pressionando
os custos de produção para cima. Note que a participação do trabalho na renda é
de aproximadamente 67%. Isso significa que, quando essas duas fontes de pressão
são combinadas, a força do mercado de trabalho acaba anulando o efeito negativo
da indústria na variável de demanda agregada.
Todos os setores da economia, e não apenas o setor de bens não comercializáveis,
são afetados por aumentos do custo da mão de obra gerados por um mercado de tra-
balho mais aquecido. Esse resultado, traduzido em termos da variável de demanda
que tradicionalmente aparece na curva de Phillips agregada, sugere hiato do pro-
duto mais elevado, apesar de, contraditoriamente, a atividade econômica, quando
mensurada apenas pelo PIB, não apresentar desempenho excepcional no período
recente. O resultado mostra também a importância do mercado de trabalho, cujo
efeito não é completamente capturado por uma medida de hiato do produto que leva
em consideração apenas o desempenho do PIB. Por fim, os resultados mostram que
esses efeitos são perdidos em análises que estimam apenas uma curva de Phillips
agregada, que despreza a dinâmica setorial, ou quando se usa apenas métodos de
filtragem simples para cálculo do hiato do produto.
29
4 Conclusões
O presente trabalho propõe um modelo empírico semiestrutural para estimar o im-
pacto da dinâmica do mercado de trabalho sobre a variável de demanda agregada e
analisar a relação entre desemprego, utilização da capacidade instalada da indústria
e inflação no Brasil. A característica fundamental do modelo é que ele incorpora a
dinâmica dos preços de bens comercializáveis e de não comercializáveis por meio de
curvas de Phillips separadas, mas que são estimadas conjuntamente pelo método de
máxima verossimilhança total, usando o filtro de Kalman para a inferência das taxas
de desocupação e de utilização da capacidade instalada que não aceleram a inflação,
NAIRU e NAICU, respectivamente. Na curva de Phillips de produtos não comer-
cializáveis assume-se que a variável de demanda relevante é o desemprego, enquanto
que no setor de comercializáveis a medida relevante é a utilização da capacidade
instalada da indústria.
Ao longo do artigo argumentamos que essa estrutura consegue capturar mais
claramente a relação entre desemprego e inflação e o impacto do mercado de trabalho
como fator de demanda, particularmente em contextos como o vivido pela economia
brasileira no período recente, caracterizado por reduzidas e decrescentes taxas de
desemprego ao mesmo tempo que baixo ritmo de crescimento do PIB e da produção
industrial. Além disso, o modelo produz estimativas para a NAIRU, para a NAICU
e para o hiato do produto que incorporam maior estrutura econômica.
Os resultados sugerem que o mercado de trabalho tem impactos relevantes sobre
a dinâmica da inflação, especialmente por meio do setor de bens não comercializáveis.
O impacto da utilização da capacidade instalada da indústria, por meio da inflação
de produtos comercializáveis, também é relevante. Os resultados também enfatizam
possíveis vieses gerados por estimações agregadas num contexto dicotômico. Nós
argumentamos que a evidência de uma relação fraca entre desemprego e inflação no
Brasil reportada por outros autores pode ser resultante de erros de medida no hiato
do desemprego, gerados por não se introduzir maior estrutura econômica no modelo.
A trajetória estimada para a NAIRU indica que ocorreu substancial redução
nessa variável no Brasil nos últimos anos, e que no final de 2012 a estimativa central
de seu valor encontrava-se próximo de 6, 3%. Essas estimações indicam ainda que
desde meados de 2010 o mercado de trabalho no Brasil encontra-se operando em
30
pleno emprego da força de trabalho. A trajetória da NAICU indica que a indús-
tria estaria desaquecida no final de 2012, sendo seu valor de 84% superior ao uso
observado efetivamente.
Por fim, os hiatos estimados pelo modelo para a taxa de desocupação, para a
utilização da capacidade na indústria e para o produto evidenciam o papel desem-
penhado pelo mercado de trabalho como fonte de pressão sobre a demanda e inflação
agregadas, e enfatizam a dicotomia vivida pela economia brasileira no período re-
cente. De um lado, o modelo sugere que o setor industrial encontra-se mais desaque-
cido do que indicam as estimativas obtidas usando o filtro HP. De outro, mostra que
o mercado de trabalho encontra-se operando acima da NAIRU. Por causa da maior
participação do trabalho na renda, a pressão do mercado de trabalho prepondera e
produz um hiato do produto mais elevado do que aquele estimado diretamente por
filtragem HP do PIB sem considerar essa estrutura setorial.
Referências
Alves, S. A. L. (2012). Trend inflation and the unemployment volatility puzzle.
Working Papers Series 277, Central Bank of Brazil, Research Department.
Alves, S. A. L. e W. D. Areosa (2005). Targets and inflation dynamics. Working
Papers Series 100, Central Bank of Brazil, Research Department.
Alves, S. A. L. e M. K. Muinhos (2003). Medium-size macroeconomic model for the
brazilian economy. Working Papers Series 64, Central Bank of Brazil, Research
Department.
Areosa, M. (2008). Combining hodrick-prescott filtering with a production function
approach to estimate output gap. Working Papers Series 172, Central Bank of
Brazil, Research Department.
Areosa, W. e M. Medeiros (2007). Inflation dynamics in brazil: The case of a small
open economy. Brazilian Review of Econometrics 27, 131—166.
Banco Central do Brasil (2011). Atualizações das estruturas de ponderação do IPCA
e do INPC e das classificações do IPCA. Boxe do Relatório de Inflação, Dezembro.
Banco Central do Brasil (2013). Algumas evidências sobre a relação entre salário e
inflação no brasil. Boxe do Relatório de Inflação, Março.
31
Basdevant, O. (2003). On applications of state-space modelling in macroeconomics.
Reserve Bank of New Zealand Discussion Paper Series DP2003/02, Reserve Bank
of New Zealand.
Batini, N., B. Jackson, e S. Nickell (2005). An open-economy new keynesian phillips
curve for the U.K. Journal of Monetary Economics 52 (6), 1061—1071.
Blanchard, O. e J. Gali (2010). Labor markets and monetary policy: A new
keynesian model with unemployment. American Economic Journal: Macroeco-
nomics 2 (2), 1—30.
Bogdanski, J., A. A. Tombini, e S. R. d. C. Werlang (2000). Implementing inflation
targeting in brazil. Working Papers Series 1, Central Bank of Brazil, Research
Department.
Canova, F. (1998). Detrending and business cycle facts. Journal of Monetary Eco-
nomics 41 (3), 475—512.
Canova, F. e F. Ferroni (2011). Multiple filtering devices for the estimation of
cyclical DSGE models. Quantitative Economics 2 (1), 73—98.
Christiano, L. J., M. Trabandt, e K. Walentin (2011). Introducing financial fric-
tions and unemployment into a small open economy model. Journal of Economic
Dynamics and Control 35 (12), 1999—2041.
Clarida, R., J. Gali, e M. Gertler (1999). The science of monetary policy: A new
keynesian perspective. Journal of Economic Literature 37 (4), 1661—1707.
Cogley, T. e A. M. Sbordone (2008). Trend inflation, indexation, and inflation
persistence in the new keynesian phillips curve. American Economic Review 98 (5),
2101—26.
Coibion, O., M. Y. Gorodnichenko, e J. Wieland (2012, March). The optimal in-
flation rate in new keynesian models: Should central banks raise their inflation
targets in light of the zero lower bound? The Review of Economic Studies first
published online March 7, 2012 doi:10.1093/restud/rds013.
Coibion, O. e Y. Gorodnichenko (2011). Monetary policy, trend inflation, and
the great moderation: An alternative interpretation. American Economic Re-
view 101 (1), 341—70.
Correa, A. d. S. e A. Minella (2010). Nonlinear mechanisms of the exchange rate
pass-through: A phillips curve model with threshold for brazil. Revista Brasileira
de Economia 64 (3), 231—243.
32
da Silva Filho, T. N. T. (2002). Estimating brazilian potential output: A production
function approach. Working Papers Series 17, Central Bank of Brazil, Research
Department.
da Silva Filho, T. N. T. (2008). Searching for the natural rate of unemployment in
a large relative price shocks’economy: the brazilian case. Working Papers Series
163, Central Bank of Brazil, Research Department.
da Silva Filho, T. N. T. (2012). Going deeper into the link between the labour
market and inflation. Working Papers Series 279, Central Bank of Brazil, Research
Department.
Delfim Netto, A. (2013, March). Inflação versus desemprego. Valor Economico.
Dixit, A. K. e J. E. Stiglitz (1977). Monopolistic competition and optimum product
diversity. American Economic Review 67 (3), 297—308.
Gali, J. (2010). Monetary policy and unemployment. In Handbook of Monetary
Economics, Volume 3, ed. Benjamin M. Friedman and Michael Woodford, Chapter
10, pp. 487—546. Elsevier.
Gali, J. e M. Gertler (1999). Inflation dynamics: A structural econometric analysis.
Journal of Monetary Economics 44 (2), 195—222.
Gali, J., M. Gertler, e J. David Lopez-Salido (2005). Robustness of the estimates of
the hybrid new keynesian phillips curve. Journal of Monetary Economics 52 (6),
1107—1118.
Gertler, M., L. Sala, e A. Trigari (2008). An estimated monetary DSGE model with
unemployment and staggered nominal wage bargaining. Journal of Money, Credit
and Banking 40 (8), 1713—1764.
Gertler, M. e A. Trigari (2009). Unemployment fluctuations with staggered nash
wage bargaining. Journal of Political Economy 117 (1), 38—86.
Gomes, V., M. N. S. Bugarin, e R. Ellery-Jr (2005). Long-run implications of the
brazilian capital stock and income estimates. Brazilian Review of Economet-
rics 25 (1), 67—88.
Hamilton, J. D. (1994). Time series analysis. Princeton, N.J.: Princeton University
press.
Hodrick, R. J. e E. C. Prescott (1997). Postwar U.S. business cycles: An empirical
investigation. Journal of Money, Credit and Banking 29 (1), 1—16.
Jeffreys, H. (1961). Theory of probability. Third ed., Oxford University Press.
33
Kass, R. E. e A. E. Raftery (1995, June). Bayes factors. Journal of the American
Statistical Association 90 (430), 773—795.
Kurmann, A. (2005). Quantifying the uncertainty about the fit of a new keynesian
pricing model. Journal of Monetary Economics 52 (6), 1119—1134.
Lima, E. C. R. (2003). The NAIRU, unemployment and the rate of inflation in
brazil. Revista Brasileira de Economia 57 (4), 899—930.
Linde, J. (2005). Estimating new-keynesian phillips curves: A full information max-
imum likelihood approach. Journal of Monetary Economics 52 (6), 1135—1149.
Mendonca, M. J., A. Sachsida, e L. A. T. Medrano (2012). Inflação versus desem-
prego: Novas evidências para o Brasil. Economia Aplicada 16 (3), 475—500.
Minella, A., P. S. de Freitas, I. Goldfajn, e M. K. Muinhos (2003). Inflation target-
ing in brazil: constructing credibility under exchange rate volatility. Journal of
International Money and Finance 22 (7), 1015—1040.
Pastore, A. C. (2012, July). As lâminas da tesoura e a indústria. O Estado de Sao
Paulo.
Pastore, A. C., M. Gazzano, e M. C. Pinotti (2012). Por que a produção industrial
não cresce desde 2010? A. C. Pastore & Associados, mimeo.
Phillips, A. W. (1958). The relation between unemployment and the rate of change
of money wage rates in the united kingdom, 1861-1957. Economica 25 (100),
283—299.
Portugal, M. S. e R. C. Madalozzo (2000). Um modelo de NAIRU para o brasil.
Revista de Economia Polú tica 20 (4), 26—47.
Prado, R. e M. West (2010). Time series. London: Chapman & Hall.
Rabanal, P. e J. F. Rubio-Ramirez (2005). Comparing new keynesian models of
the business cycle: A bayesian approach. Journal of Monetary Economics 52 (6),
1151—1166.
Ravenna, F. e C. E. Walsh (2008). Vacancies, unemployment, and the phillips curve.
European Economic Review 52 (8), 1494—1521.
Ravenna, F. e C. E. Walsh (2012). Monetary policy and labor market frictions: A
tax interpretation. Journal of Monetary Economics 59 (2), 180—195.
Rudd, J. e K. Whelan (2005). New tests of the new-keynesian phillips curve. Journal
of Monetary Economics 52 (6), 1167—1181.
34
Sbordone, A. M. (2005). Do expected future marginal costs drive inflation dynamics?
Journal of Monetary Economics 52 (6), 1183—1197.
Smets, F. e R. Wouters (2003). An estimated dynamic stochastic general equilibrium
model of the euro area. Journal of the European Economic Association 1 (5),
1123—1175.
Smets, F. e R. Wouters (2005). Comparing shocks and frictions in US and euro
area business cycles: a bayesian DSGE approach. Journal of Applied Economet-
rics 20 (2), 161—183.
Smets, F. e R. Wouters (2007). Shocks and frictions in US business cycles: A
bayesian DSGE approach. American Economic Review 97 (3), 586—606.
Thomas, C. (2008). Search and matching frictions and optimal monetary policy.
Journal of Monetary Economics 55 (5), 936—956.
Thomas, C. (2011). Search frictions, real rigidities, and inflation dynamics. Journal
of Money, Credit and Banking 43 (6), 1131—1164.
Tombini, A. A. e S. A. L. Alves (2006). The recent brazilian disinflation process and
costs. Working Papers Series 109, Central Bank of Brazil, Research Department.
Walsh, C. E. (2005). Labor market search, sticky prices, and interest rate policies.
Review of Economic Dynamics 8 (4), 829—849.
Walsh, C. E. (2010, February). Monetary Theory and Policy. Third ed., The MIT
Press.
West, M. e J. Harrison (1997). Bayesian forecasting and dynamic models. New York:
Springer.
Woodford, M. (2003, August). Interest and Prices: Foundations of a Theory of
Monetary Policy. Princeton University Press.
Woodford, M. (2005). Firm-specific capital and the new keynesian phillips curve.
International Journal of Central Banking 1 (2).
Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data.
Second edition, The MIT Press.
35
A Resultados adicionais
(A) (B)
5
6
7
8
9
10
11
12
13
99 00 01 02 03 04 05 06 07 08 09 10 11 1276
78
80
82
84
86
88
96 98 00 02 04 06 08 10 12
(C) (D)
5
6
7
8
9
10
11
12
13
99 00 01 02 03 04 05 06 07 08 09 10 11 1276
78
80
82
84
86
88
96 98 00 02 04 06 08 10 12
Figura 4: NAIRU e NAICU no modelo tradicional
Nota: Painel (A): Taxa de Desocupação (azul), NAIRU (preta com círculos),filtragem HP (estrelas vermelhas).Painel (B): Utilização da Capacidade Instalada (azul), NAICU (pretacom círculos), filtragem HP (vermelha com estrelas).Painel (C): Taxa de Desocupação (azul), NAIRU (preta com círculos),Intervalo de Confiança de 95% (preta).Painel (D): Utilização da Capacidade Instalada (azul), NAICU (pretacom círculos), Intervalo de Confiança de 95% (preta).
36
Tabela 2: Parâmetros estimados, amostra a partir de 2002T2M0 MA
Curva de Phillips Não-Comercializáveisπlivt−1 0, 346
(0,101)
∗∗∗ 0, 342(0,081)
∗∗∗
Etπncot+1 0, 629
(0,099)
∗∗∗ 0, 634(0,079)
∗∗∗
π∗t−1 0, 025(0,017)
0, 024(0,014)
∗
uhpt ou ut −0, 234∗(0,137)
−0, 288∗∗∗(0,091)
dest 0, 311(0,164)
∗ 0, 314(0,131)
∗∗
Curva de Phillips Comercializáveisπlivt−1 0, 492∗∗∗
(0,130)
0, 481∗∗∗(0,125)
Etπcomt+1 0, 420∗∗∗
(0,128)
0, 435∗∗∗(0,116)
π∗t−1 0, 088(0,017)
∗∗∗ 0, 084(0,017)
∗∗∗
chpt−2 ou ct−2 0, 151(0,095)
0, 202(0,058)
∗∗∗
dest 0, 966(0,242)
∗∗∗ 0, 935(0,227)
∗∗∗
chcomt−1 0, 046(0,025)
∗∗ 0, 041(0,014)
∗∗∗
Parâmetro log (σ2nco) −11, 054(0,397)
∗∗∗ −11, 222(0,346)
∗∗∗
Parâmetro log (σ2com) −9, 639(0,546)
∗∗∗ −9, 743(0,576)
∗∗∗
Parâmetro log (σ2liv) −10, 609(0,624)
∗∗∗ −10, 677(0,653)
∗∗∗
Parâmetro log (σ2d) - −10, 657(0,550)
∗∗∗
Log-verossimilhança Passo 1 489, 964 497, 286Log-verossimilhança Passo 2 415, 871
Nota: Método: Filtro de Kalman com máxima verossimilhança totalAmostra: 2002T2 a 2012T4Parênteses: desvio padrão; Significância: ∗ (10%), ∗ ∗ (5%), ∗ ∗ ∗ (1%)M0: primeiro passo da primeira iteração, filtragem HP1600 como valorinicial para NAIRU e NAICU, sem correçõesMA: correções da NAIRU e NAICU inferidas por filtragem de Kalmanauxiliada por séries auxiliares (HP1600)
37
(A) (B)
5
6
7
8
9
10
11
12
13
99 00 01 02 03 04 05 06 07 08 09 10 11 1276
78
80
82
84
86
88
96 98 00 02 04 06 08 10 12
(C) (D)
5
6
7
8
9
10
11
12
13
99 00 01 02 03 04 05 06 07 08 09 10 11 1276
78
80
82
84
86
88
96 98 00 02 04 06 08 10 12
Figura 5: NAIRU e NAICU no modelo benchmark, amostra a partir de 2002T2
Nota: Painel (A): Taxa de Desocupação (azul), NAIRU (preta com círculos),filtragem HP (estrelas vermelhas).Painel (B): Utilização da Capacidade Instalada (azul), NAICU (pretacom círculos), filtragem HP (vermelha com estrelas).Painel (C): Taxa de Desocupação (azul), NAIRU (preta com círculos),Intervalo de Confiança de 95% (preta).Painel (D): Utilização da Capacidade Instalada (azul), NAICU (pretacom círculos), Intervalo de Confiança de 95% (preta).
38
Banco Central do Brasil
Trabalhos para Discussão Os Trabalhos para Discussão do Banco Central do Brasil estão disponíveis para download no website
http://www.bcb.gov.br/?TRABDISCLISTA
Working Paper Series
The Working Paper Series of the Central Bank of Brazil are available for download at http://www.bcb.gov.br/?WORKINGPAPERS
301 Determinantes da Captação Líquida dos Depósitos de Poupança
Clodoaldo Aparecido Annibal
Dez/2012
302 Stress Testing Liquidity Risk: the case of the Brazilian Banking System Benjamin M. Tabak, Solange M. Guerra, Rodrigo C. Miranda and Sergio Rubens S. de Souza
Dec/2012
303 Using a DSGE Model to Assess the Macroeconomic Effects of Reserve Requirements in Brazil Waldyr Dutra Areosa and Christiano Arrigoni Coelho
Jan/2013
303 Utilizando um Modelo DSGE para Avaliar os Efeitos Macroeconômicos dos Recolhimentos Compulsórios no Brasil Waldyr Dutra Areosa e Christiano Arrigoni Coelho
Jan/2013
304 Credit Default and Business Cycles: an investigation of this relationship in the Brazilian corporate credit market Jaqueline Terra Moura Marins and Myrian Beatriz Eiras das Neves
Mar/2013
304 Inadimplência de Crédito e Ciclo Econômico: um exame da relação no mercado brasileiro de crédito corporativo Jaqueline Terra Moura Marins e Myrian Beatriz Eiras das Neves
Mar/2013
305 Preços Administrados: projeção e repasse cambial Paulo Roberto de Sampaio Alves, Francisco Marcos Rodrigues Figueiredo, Antonio Negromonte Nascimento Junior e Leonardo Pio Perez
Mar/2013
306 Complex Networks and Banking Systems Supervision Theophilos Papadimitriou, Periklis Gogas and Benjamin M. Tabak
May/2013
306 Redes Complexas e Supervisão de Sistemas Bancários Theophilos Papadimitriou, Periklis Gogas e Benjamin M. Tabak
Maio/2013
307 Risco Sistêmico no Mercado Bancário Brasileiro – Uma abordagem pelo método CoVaR Gustavo Silva Araújo e Sérgio Leão
Jul/2013
308 Transmissão da Política Monetária pelos Canais de Tomada de Risco e de Crédito: uma análise considerando os seguros contratados pelos bancos e o spread de crédito no Brasil Debora Pereira Tavares, Gabriel Caldas Montes e Osmani Teixeira de Carvalho Guillén
Jul/2013
39
309 Converting the NPL Ratio into a Comparable Long Term Metric Rodrigo Lara Pinto Coelho and Gilneu Francisco Astolfi Vivan
Jul/2013
310 Banks, Asset Management or Consultancies’ Inflation Forecasts: is there a better forecaster out there? Tito Nícias Teixeira da Silva Filho
Jul/2013
311 Estimação não-paramétrica do risco de cauda Caio Ibsen Rodrigues Almeida, José Valentim Machado Vicente e Osmani Teixeira de Carvalho Guillen
Jul/2013
312 A Influência da Assimetria de Informação no Retorno e na Volatilidade das Carteiras de Ações de Valor e de Crescimento Max Leandro Ferreira Tavares, Claudio Henrique da Silveira Barbedo e Gustavo Silva Araújo
Jul/2013
313 Quantitative Easing and Related Capital Flows into Brazil: measuring its effects and transmission channels through a rigorous counterfactual evaluation João Barata R. B. Barroso, Luiz A. Pereira da Silva and Adriana Soares Sales
Jul/2013
314 Long-Run Determinants of the Brazilian Real: a closer look at commodities Emanuel Kohlscheen
Jul/2013
315 Price Differentiation and Menu Costs in Credit Card Payments Marcos Valli Jorge and Wilfredo Leiva Maldonado
Jul/2013
315 Diferenciação de Preços e Custos de Menu nos Pagamentos com Cartão de Crédito Marcos Valli Jorge e Wilfredo Leiva Maldonado
Jul/2013
316 Política Monetária e Assimetria de Informação: um estudo a partir do mercado futuro de taxas de juros no Brasil Gustavo Araújo, Bruno Vieira Carvalho, Claudio Henrique Barbedo e Margarida Maria Gutierrez
Jul/2013
317 Official Interventions through Derivatives: affecting the demand for foreign exchange Emanuel Kohlscheen and Sandro C. Andrade
Jul/2013
318 Assessing Systemic Risk in the Brazilian Interbank Market Benjamin M. Tabak, Sergio R. S. Souza and Solange M. Guerra
Jul/2013
319 Contabilização da Cédula de Produto Rural à Luz da sua Essência Cássio Roberto Leite Netto
Jul/2013
320 Insolvency and Contagion in the Brazilian Interbank Market Sergio R. S. Souza, Benjamin M. Tabak and Solange M. Guerra
Aug/2013
321 Systemic Risk Measures Solange Maria Guerra, Benjamin Miranda Tabak, Rodrigo Andrés de Souza Penaloza and Rodrigo César de Castro Miranda
Aug/2013
322 Contagion Risk within Firm-Bank Bivariate Networks Rodrigo César de Castro Miranda and Benjamin Miranda Tabak
Aug/2013
40
323 Loan Pricing Following a Macro Prudential Within-Sector Capital Measure Bruno Martins and Ricardo Schechtman
Aug/2013
324 Inflation Targeting and Financial Stability: A Perspective from the Developing World Pierre-Richard Agénor and Luiz A. Pereira da Silva
Sep/2013
325 Teste da Hipótese de Mercados Adaptativos para o Brasil Glener de Almeida Dourado e Benjamin Miranda Tabak
Set/2013
326 Existência de equilíbrio num jogo com bancarrota e agentes heterogêneos Solange Maria Guerra, Rodrigo Andrés de Souza Peñaloza e Benjamin Miranda Tabak
Out/2013
327 Celeridade do Sistema Judiciário e Créditos Bancários para as Indústrias de Transformação Jacopo Ponticelli e Leonardo S. Alencar
Out/2013
328 Mercados Financeiros Globais – Uma Análise da Interconectividade Marcius Correia Lima Filho, Rodrigo Cesar de Castro Miranda e Benjamin Miranda Tabak
Out/2013
329 Is the Divine Coincidence Just a Coincidence? The Implications of Trend Inflation Sergio A. Lago Alves
Oct/2013
330 Forecasting Multivariate Time Series under Present-Value-Model
Short- and Long-run Co-movement Restrictions Osmani Teixeira de Carvalho Guillén, Alain Hecq, João Victor Issler and Diogo Saraiva
Oct/2013
331 Measuring Inflation Persistence in Brazil Using a Multivariate Model
Vicente da Gama Machado and Marcelo Savino Portugal
Nov/2013
332 Does trade shrink the measure of domestic firms? João Barata R. B. Barroso
Nov/2013
333 Do Capital Buffers Matter? A Study on the Profitability and Funding Costs Determinants of the Brazilian Banking System Benjamin Miranda Tabak, Denise Leyi Li, João V. L. de Vasconcelos and Daniel O. Cajueiro
Nov/2013
334 Análise do Comportamento dos Bancos Brasileiros Pré e Pós-Crise Subprime Osmani Teixeira de Carvalho Guillén, José Valentim Machado Vicente e Claudio Oliveira de Moraes
Nov/2013
335 Why Prudential Regulation Will Fail to Prevent Financial Crises. A Legal Approach Marcelo Madureira Prates
Nov/2013
336 Traditional and Matter-of-fact Financial Frictions in a DSGE Model for
Brazil: the role of macroprudential instruments and monetary policy Fabia A. de Carvalho, Marcos R. Castro and Silvio M. A. Costa
Nov/2013
41
337 Opacidade e Crédito Bancário: evidências empíricas a partir da NYSE e da NASDAQ Helder Ferreira de Mendonça, Renato Falci Villela Loures e Délio José Cordeiro Galvão
Nov/2013
338 Um Estudo sobre Comportamento de Tomadores e Ofertantes no Mercado de Crédito Tony Takeda e Paulo Evandro Dawid
Dez/2013
42